申请/专利权人:复旦大学
申请日:2022-06-22
公开(公告)日:2022-09-23
公开(公告)号:CN115100140A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/52;G06V10/34;G06V10/80;G06V10/82;G06V10/44;G06V10/42
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明公开了一种基于多传感融合的检测缺陷图像融合方法。该方法步骤包括:用FDST将检测图像分解为低、高频子代系数;用MSSTO提取低频子代系数中图像细节亮、暗信息;将亮、暗信息并入融合后的低频系数中,获取低频融合系数;用改进的空间频率MSF提取检测图像在垂直、水平和对角方向的梯度能量,计算高频子代系数的MSF值,作为PCNN的外部激励;用PCNN法获取高频融合系数;用FDST逆变换重构出多传感缺陷检测融合图像。本发明方法能有效提升缺陷检测对比度和信息丰富性,改善边缘轮廓和纹理信息的显示,有效地保留并融合源图像中主要信息,对于激光增材制造多传感视觉检测系统中的缺陷信息融合与表征分析有重要意义。
主权项:1.一种基于多传感融合的检测缺陷图像融合方法,其特征在于,所述缺陷检测图像融合方法主要应用于激光增材制造领域的工件缺陷检测,包括以下步骤:一采用有限离散剪切波变换FDST将缺陷检测图像A和图像B分别分解为低频子带系数和高频子带系数;二在有限离散剪切波变换FDST变换域,采用多尺度形态学翻转算子MSSTO分别提取图像A和图像B低频子带系数中的图像细节亮信息和暗信息;三将经多尺度形态学翻转算子MSSTO提取的图像亮信息和暗信息并入图像A和图像B的低频子代系数进行融合,得到低频融合系数;四在有限离散剪切波变换FDST变换域,采用改进的空间频率MSF提取图像在垂直、水平和对角方向的梯度能量,计算高频子带系数的MSF值,并作为脉冲耦合神经网络PCNN的外部激励;五利用脉冲耦合神经网络PCNN方法获取高频融合系数;六利用有限离散剪切波变换FDST的逆变换,从低频融合系数和高频融合系数中重构出最终的融合图像。
全文数据:
权利要求:
百度查询: 复旦大学 一种基于多传感融合的检测缺陷图像融合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。